实体
Sake
Sake
PulseAugur coverage of Sake — every cluster mentioning Sake across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的SAKE方法提高了文本扩散模型的多样性
研究人员开发了一种新的无需训练的引导方法SAKE（Semantic-Aware Kernel Entropy），以提高文本扩散模型的多样性。该方法利用Gram矩阵上的Rényi熵来捕捉语义交互和标记位置，动态调整采样分布。实验表明，SAKE在保真度和多样性之间取得了更好的平衡，与现有方法相比，在代码和数学生成等推理任务上表现更好。
-
新的SAKE基准评估LLM的软件架构知识
研究人员开发了SAKE，一个旨在评估大型语言模型软件架构知识的新基准。该基准包含超过2000个涵盖八个架构类别和不同上下文长度的选择题。对11个LLM的初步评估显示，总体准确率很高，但在不同架构领域的表现存在显著差异，表明存在特定的能力差距。
-
SAKE框架通过自感知知识利用增强多模态命名实体识别
研究人员开发了SAKE，一个旨在改进基础多模态命名实体识别（GMNER）的新框架。SAKE通过结合内部知识利用和外部知识探索，解决了开放世界环境中识别长尾和演化实体等挑战。该框架采用两阶段训练过程，包括难度感知搜索标签生成和代理强化学习，以实现工具调用的自感知决策。